VJ-detector: 级联检测器

从公元2000年左右Viola和Jones提出级联检测器框架并成功应用于人脸检测后，实时目标检测才真正商业化。之后许多研究者对其改进，以下罗列了一些比较有代表性的论文和技术报告，并简洁地总结了他们的思想。如有谬误，欢迎拍砖。



Rapid Object Detection using a Boosted Cascade of Simple Features. [b]Paul Viola, Michael J. Jones. CVPR 2001.
[/b]

Robust Real-Time Face Detection. Paul Viola, Michael J. Jones.IJCV, 2004.(经典的VJ-detector)

对VJ-detector的经验分析：

Empirical Analysis of Detection Cascades of Boosted Classifiers for Rapid Object Detection. Rainer Lienhart, Alexander Kuranov, Vadim Pisarevsky.

An Analysis of Viola-Jones Face Detection Algorithm. Yi-Qing Wang.IPOL. (非常详细地解析了VJ-detector, 比网上几乎任何资料都详细)

以下列出几篇基于VJ思想的级联检测器论文：

1. Learning Object Detection from a Small Number of Examples the Importance of Good Features. Kobi Levi, Yair Weiss. CVPR 2004.

级联Dominant Orientation Feature

2. Joint Haar-like Features for Face Detection. Takeshi Mita, Toshimitsu Kaneko, Osamu Hori, ICCV, 2005.

利用了特征的共生特性

3. Fast Human Detection using A Cascade of Histograms of Oriented Gradients. Qiang Zhu, Shai Avidan, Mei-Chen Yeh, Kwang-Ting Cheng. CVPR 2006.

级联HoG特征(局部图像块的HoG)

4. Face Detection Based on Multi-Block LBP Representation. Lun Zhang, Rufeng Chu, Shiming Xiang, Shengcai Liao, Stan Z. Li.ICB 2007.

级联块状LBP特征, OpenCV2.x以后已经实现了上述MB-LBP cascade detector.

5. Fast Training and Selection of Haar Features using Statistics in Boosting-based Face Detection. Minh-Tri Pham Tat-Jen Cham. ICCV 2007.

使用统计量快速训练方法, 训练速度提高10X, 缺点是特征池规模相同情况下收敛速度下降。

6. Fast Asymmetric Learning for Cascade Face Detection. Jianxin Wu, S. Charles Brubaker, Matthew D. Mullin, James M. Rehg.TPAMI 2008.

分析了检测与分类问题的区别, 使用非对称方法改进弱分类器。该文基于Viola早前的论文：

Fast and Robust Classification using Asymmetric Adaboost and a Detector Cascade. NIPS, 2001.

7. Learning SURF Cascade for Fast and Accurate Object Detection. Jianguo Li, Yimin Zhang. CVPR 2013. 

级联SURF特征, 模型较小, 出自Intel lab。

从VJ之后的论文来看，主要从两个方面来改进：1. 改进弱分类器; 2. 找更具有鉴别能力的局部的、能快速计算的特征; 3. 使用更好的boosting算法。